根因分析在真实遥测数据上能走多远

在生产微服务故障中识别根因需要对横跨指标、日志与追踪的大规模多模态遥测推理——一个对经典方法与基于LLM的方法都已证明棘手的问题。OpenRCA数据集集中体现这些挑战：大规模、多模态、缺乏详细领域知识，且所有既有方法在其上准确率持续偏低。我们证明经典因果发现方法与既有基于LLM的多智能体系统在该基准上都无法可靠识别根因，并提出结构化多智能体RCA管线：大幅超越既有LLM与经典基线，同时支持领域知识与无知识两种运行模式。为诊断失败源自何处，我们引入反向推理智能体：给定正确答案，识别抽取异常中的哪些信号支撑它、并判定阶段1是否能接触到这些信号——把每个失败分类为推理鸿沟（证据在但未用）或数据歧义（证据确实缺失）。该分析揭示：绝大多数失败中所需证据是存在的——瓶颈不在数据访问，而在智能体正确推理它的能力。我们进一步引入自动规则挖掘管线：系统性地从反向推理报告抽取判别规则，降低对人工知识整理的依赖。跨全部配置：模型推理能力与领域知识是主要约束——更强模型内嵌更多领域专长，显式知识注入可部分补偿。即使证据抽取完美，推理表现仍有实际上限：脚手架工程与更好的数据管线无法弥合该差距；进展需要模型层面的改进。